Commande et planification de trajectoires pour la navigation de véhicules autonomes

Transcription

1 Par Gilles TAGNE FOKAM Commande et planification de trajectoires pour la navigation de véhicules autonomes Thèse présentée pour l obtention du grade de Docteur de l UTC. Soutenue le 18 novembre 2014 Laboratoire Heudiasyc UMR CNRS 7253 Spécialité : Technologie de l Information et des Systèmes

2

3 Commande et planification de trajectoires pour la navigation de véhicules autonomes Gilles TAGNE FOKAM Thèse soutenue le 18 novembre 2014 devant le jury composé de : Alain OUSTALOUP Professeur IPB - ENSEIRB-MATMECA Présidente : Brigitte D ANDREA-NOVEL Professeur MINES ParisTech Rapporteurs : Luc DUGARD Directeur de Recherche CNRS GIPSA-lab Grenoble Examinateurs : Michel BASSET Philippe BONNIFAIT Professeur Professeur Université de Haute Alsace Université de Technologie de Compiègne Directeurs de Thèse : Ali CHARARA Reine TALJ Professeur Chargée de recherche CNRS Université de Technologie de Compiègne Université de Technologie de Compiègne Université de Technologie de Compiègne Laboratoire Heudiasyc UMR CNRS 7253

4

5 À ma très chère et charmante épouse Barbara, avec toute mon affection. À ma merveilleuse famille FOKAM, avec toute ma reconnaissance et mes remerciements.

6

7 Remerciements Ces travaux de recherche ont été pour moi, une occasion d acquérir un grand nombre de savoir et savoir faire durant trois années. Je ne saurais réaliser une telle œuvre sans le concours de certaines personnes auxquelles je tiens à exprimer ma profonde reconnaissance. Je remercie ainsi solennellement et sincèrement : Mr Ali Charara, qui m a permis d acquérir cette expérience très enrichissante dans la recherche et qui m a toujours conseillé et encouragé ; Mme Reine Talj, qui m a suivi de bout en bout et qui m a toujours donné des retours très constructifs sur le fond et la forme ; Mme Brigitte D andrea-novel qui a accepté de présider le jury de cette thèse ; MM. Alain Oustaloup et Luc Dugard, qui ont accepté d être rapporteurs de cette thèse. Merci pour les améliorations du manuscrit dues à leurs remarques et conseils ; MM. Michel Basset et Philippe Bonnifait, qui ont accepté d être examinateurs de cette thèse ; Yinuo Tang et Alia Chebly, stagiaires de Master II que j ai co-encadrés durant cette thèse ; Mes amis Nicole, Hoda, Yue, Kun, Bin, Adam, Farah, Julien, Danilo et tous mes collègues du laboratoire qui m ont toujours aidé quand j en avais besoin ; Bérengère, Nathalie, Sévérine, Dominique, Gérald et tout le personnel administratif et technique du laboratoire ; Patrice Nyamy pour tous ses encouragements ; Mon épouse, mes parents, frères et sœurs pour leur soutien et leur confiance.

8

9 Liste des publications Revues 1 G. Tagne, R. Talj, and A. Charara, Design and Validation of a Robust Immersion and Invariance Controller for the Lateral Dynamics of Intelligent Vehicles, Control Engineering Practice (CEP), Accepté. 2 G. Tagne, R. Talj, and A. Charara, Design and Comparison of Robust Nonlinear Controllers for the Lateral Dynamics of Intelligent Vehicles, IEEE Transactions on Intelligent Transportation Systems (ITS), soumis. Conférences internationales : 3 G. Tagne, R. Talj and A. Charara, Passivity Analysis and Design of a Robust Nested Passivity-Based Controller for Trajectory Tracking of Autonomous Vehicles, in IFAC World Congress, Cape Town, South Africa, G. Tagne, R. Talj, and A. Charara, Immersion and Invariance vs Sliding Mode Control for Reference Trajectory Tracking of Autonomous Vehicles, in European Control Conference (ECC), Strasbourg, France, G. Tagne, R. Talj and A. Charara, Passivity Analysis and Design of Passivity- Based Controllers for Trajectory Tracking at High Speed of Autonomous Vehicles, in International IEEE Conference on Intelligent Vehicles Symposium (IV), Dearborn, Michigan, USA, G. Tagne, R. Talj, and A. Charara, Immersion and Invariance Control for Reference Trajectory Tracking of Autonomous Vehicles, in International IEEE Conference on Intelligent Transportation Systems (ITSC), The Hague, The Netherlands, G. Tagne, R. Talj, and A. Charara, Higher-Order Sliding Mode Control for Lateral Dynamics of Autonomous Vehicles, with Experimental Validation, in International IEEE Conference on Intelligent Vehicles Symposium (IV), Gold Coast, Australia, R. Talj, G. Tagne, and A. Charara, Immersion and Invariance Control for Lateral Dynamics of Autonomous Vehicles, with Experimental Validation, in European Control Conference (ECC), Zurich, Switzerland, Conférence nationnale : 9 G. Tagne, R. Talj, and A. Charara, Contrôle latéral d un véhicule autonome par mode glissant du second ordre, 5 èmes Journées Doctorales/Journées Nationales MACS, Strasbourg, France, 2013.

10

11 Table des matières 1 Introduction générale Contexte et motivations Problématique Contexte local de la thèse Contributions Commande des véhicules autonomes Planification des trajectoires des véhicules autonomes Plan du manuscrit Modélisation du véhicule Introduction Modélisation du châssis ou caisse Modélisation de la dynamique longitudinale et latérale Modèles bicyclettes Modèles de type 4-roues Modélisation de la dynamique verticale Modélisation de la liaison pneumatique/chaussée Description du pneumatique Modèles des forces de contact Modèle linéaire Modèle de Dugoff Modèle de Pacejka Conclusion I Contributions sur la commande 25 3 Etat de l art sur la commande des véhicules autonomes Introduction Contrôle latéral Modèles de véhicule Différentes stratégies de commande Contrôle longitudinal Conclusion i

12 Table des matières 4 Contrôle latéral par mode glissant d ordre supérieur Introduction Principe de la commande par mode glissant Mode glissant du premier ordre [Utkin, 1992] Choix de la surface de glissement Synthèse de la loi de commande Phénomène de broutement Mode glissant du second ordre : Algorithme du super-twisting Contrôle latéral du véhicule autonome par l algorithme du supertwisting Conclusion Contrôle latéral par le principe d immersion et d invariance Introduction Principe de la commande I&I Contrôle latéral du véhicule autonome par I&I Définition du problème de contrôle Développement des lois de commande Choix de la variable d immersion z vers la variété identique à la variable de glissement s du SMC Choix de la variable d immersion z vers la variété différente de la variable de glissement s du SMC Analyse de la dynamique cible Conclusion Analyse des propriétés de passivité de la dynamique latérale et conception de contrôleurs basés sur la passivité Introduction Passivité : concepts de base Définition Interconnexion de systèmes passifs Commande par passivité Analyse des propriétés de passivité de la dynamique latérale Passivité de l entrée-sortie δ ë Cas 1 : Adhérence de la route µ = Cas 2 : Adhérence de la route µ Passivité de l entrée-sortie δ ė Stricte passivité de l entrée-sortie δ ψ Caractéristiques de passivité de l erreur d angle de dérive β Conception de contrôleurs basés sur la passivité Contrôleur PD Contrôleur imbriqué Conclusion ii

13 Table des matières 7 Validation et comparaison des lois de commande développées Introduction Rappel des principales lois de commande développées Contrôleur par mode glissant (chapitre 4, paragraphe 4.3) Contrôleurs par Immersion et Invariance (chapitre 5, paragraphe 5.3.2) Contrôleur imbriqué passif (chapitre 6, paragraphe 6.4) Validation à l aide du simulateur de conduite SCANeR T M Studio Description de l environnement de simulation Contrôle latéral par mode glissant d ordre supérieur Test du contrôleur durant une conduite normale Robustesse par rapport aux incertitudes paramétriques du véhicule Contrôle latéral par le principe d immersion et d invariance Test du contrôleur durant une conduite normale Robustesse par rapport aux incertitudes paramétriques du véhicule Contrôle latéral par la commande basée sur la passivité (PBC) Test du contrôleur durant une conduite normale Robustesse par rapport aux incertitudes paramétriques du véhicule Validation en simulation utilisant des données réelles Moyens expérimentaux et méthodologie de validation Véhicule expérimental Piste d essai Schéma descriptif de la validation Test des contrôleurs durant une conduite normale avec paramètres nominaux connus Robustesse des contrôleurs par rapport aux dynamiques fortement non linéaires Robustesse par rapport aux incertitudes paramétriques du véhicule Conclusion II Contributions sur la planification de trajectoires Etat de l art sur les méthodes de planification de trajectoires pour la navigation des véhicules autonomes Introduction Principales méthodes réactives de planification de trajectoires de véhicules autonomes Méthode des champs de potentiels Méthodes basées sur la connectivité de l espace navigable iii

14 Table des matières Méthode des champs de braquage constant Fenêtre dynamique Méthodes basées sur un modèle de prédiction Méthode des tentacules Présentation de la méthode des tentacules Génération des tentacules Tentacules en forme d arcs de cercles Tentacules parallèles à la route Tentacules en forme de clothoïdes Détermination des tentacules navigables Choix du meilleur tentacule Conclusion Algorithmes de navigation développés Introduction Algorithme avec les tentacules en forme d arcs de cercles Motivations et description de l algorithme Génération des tentacules Détermination des tentacules navigables Zone de support Distance de collision Choix du meilleur tentacule Critère 1 : dégagement du tentacule Critère 2 : changement de braquage Critère 3 : rapprochement de la trajectoire globale Algorithme avec les tentacules en forme de clothoïdes Motivations et génération des tentacules Motivations Génération des tentacules Description de l algorithme Conclusion Validation des algorithmes de planification de trajectoires développés Introduction Validation en simulation Simulation sous Matlab/Simulink Algorithme avec tentacules en arcs de cercles Algorithme avec tentacules en forme de clothoïdes Simulation sous SCANeR Studio Schéma descriptif de la validation sous SCANeR Studio Travaux réalisés et perspectives Evaluation des algorithmes utilisant des données réelles Moyens expérimentaux et méthodologie d évaluation Véhicule expérimental iv

15 Table des matières Système de perception Schéma descriptif de la validation Résultats de l évaluation Conclusion Conclusions et perspectives Contributions Commande des véhicules autonomes Planification des trajectoires des véhicules autonomes Perspectives Perspectives sur la commande Perspectives sur la planification des trajectoires Annexes 157 Annexe 1 : Développement du contrôleur I&I V Annexe 2 : Passivité de l entrée-sortie ψ ė 167 Abbréviations et Notations 169 Bibliographie 173 Résumé 183 Abstract 185 v

16

17 Table des figures 1.1 Récapitulatif des systèmes d aide à la conduite et de sécurité Véhicule autonome Google Navigation autonome Véhicule avec ses principaux axes [Jazar, 2008] Modèle bicyclette dynamique Modèle bicyclette cinématique Modèle 4-roues Répartition des forces verticales : (a) Vue de profil, (b) Vue arrière [Jazar, 2008] Pneumatique [Jazar, 2008] Forces de contact du pneumatique : (a) F x en fonction du glissement longitudinal σ x, (b) F y en fonction de l angle de dérive α [Pacejka, 2006] Paramètres du modèle de Pacejka Principe de base de la commande par mode glissant Plan de phase du super-twisting Principe de la commande I&I [Astolfi et al., 2008] Stratégie de commande du contrôleur I&I Réponses à un échelon de courbure : Variations de la vitesse (entrée dans un virage) Réponses à un échelon de courbure : Variations de l adhérence de la route pour V x = 20m/s 72km/h Réponses à un échelon de courbure : Variations de la masse pour V x = 20m/s Interconnexion : re-bouclage de systèmes passifs Interconnexion en cascade de deux systèmes passifs Schéma de connexion en cascade Propriétés de passivité du système Stratégie de commande du contrôleur imbriqué PBC Exemples d applications de simulation sur SCANeR Studio : a) Humanin-the-loop, b) Conduite autonome complètement intégrée dans le simulateur vii

18 Table des figures 7.2 Circuit de test SCANeR Studio Profils (vitesse, courbure et pente de la route) Contrôleur SMC en simulation sur SCANeR : (a) Trajectoires et erreurs, (b) Variables dynamiques Contrôleur SMC, Robustesse par rapport aux incertitudes paramétriques, simulation sur SCANeR : (a) Incertitudes sur la rigidité de dérive du pneu, (b) Incertitudes sur la masse du véhicule Contrôleurs I&I en simulation sur SCANeR, trajectoires et erreurs Simulation sur SCANeR : Angle de braquage des contrôleurs SMC et I&I Contrôleurs I&I, robustesse par rapport aux incertitudes paramétriques sur la rigidité de dérive du pneu, simulation sur SCANeR Contrôleur PBC en simulation sur SCANeR : Trajectoires et erreurs Simulation sur SCANeR : Trajectoires et erreurs des trois contrôleurs développés Simulation sur SCANeR, Contrôleur PBC : Robustesse par rapport aux incertitudes paramétriques : (a) Incertitudes sur la rigidité de dérive du pneu, (b) Incertitudes sur la masse du véhicule Simulation sur SCANeR : Robustesse des contrôleurs par rapport aux incertitudes sur la rigidité de dérive du pneu Véhicule expérimental (DYNA) Capteurs installés sur le véhicule expérimental (DYNA) [Wang, 2013] Piste d essai du CERAM Schéma descriptif de la validation Test 1 : Conduite à vitesse longitudinale presque constante ; (a) Vitesse longitudinale, (b) Trajectoires, (c) Variables dynamiques Test 2 : Conduite à vitesse longitudinale variable et élevée ; (a) Vitesse longitudinale, (b) Trajectoires, (c) Variables dynamiques Test 3 : Conduite à vitesse longitudinale variable et courbure constante ; (a) Vitesse longitudinale, (b) Trajectoires, (c) Variables dynamiques Test 1 : Robustesse des contrôleurs par rapport aux incertitudes paramétriques sur la rigidité de dérive du pneu, (a) SMC, (b), I&I, (c) PBC Test 1 : Robustesse des contrôleurs par rapport aux incertitudes paramétriques sur la masse du véhicule, (a) SMC, (b), I&I, (c) PBC Planification locale des trajectoires Principe de la méthode des champs de potentiels : (a) Champs attractifs, (b) Champs répulsifs, (c) Illustration de l évitement d obstacle Principe des méthodes basées sur la connectivité de l espace navigable : (a) Graphes de visibilité [Lozano-prez and Wesley, 1979], (b) Diagrammes de Voronoï [Choset and Burdick, 2000] viii

19 Table des figures 8.4 Principe de la méthode des champs de braquage constant : (a) Milieu non structuré, (b) Milieu structuré [Kolski et al., 2006] Prédiction de trajectoire : interpolation polynomiale Principe de la méthode des tentacules [Hundelshausen et al., 2008] Algorithme de navigation par la méthode des tentacules [Tang et al., 2013] Tentacule en forme d arcs de cercles Tentacules parallèles à la route [Chu et al., 2012] Tentacules en forme de clothoïdes [Chebly et al., 2014] Algorithme avec les tentacules en forme d arcs de cercles Tentacules lisses Etapes de la génération des tentacules en forme d arcs-de-cercles Zone de support fonction V libre = f(l 0 ) Détermination des paramètres de V trajectoire Etapes de la génération des tentacules en forme de clothoïdes Tentacules en forme de clothoïdes Algorithme de la planification des trajectoires par la méthode des tentacules en forme de clothoïdes Schéma de validation des algorithmes sous Matlab Carte globale du scénario de simulation Algorithme avec tentacules en arc de cercles, Image extraite d une vidéo montrant un évitement d obstacle Comportement de l algorithme (tentacules en forme d arcs de cercles) en présence d un obstacle : (a) Trajectoires, (b) Coubures Algorithme des tentacules en arcs de cercles, valeurs des critères de décision du meilleur tentacule choisi Algorithme avec tentacules en arcs de cercles, Virages Comportement de l algorithme utilisant les tentacules en forme de clothoïdes en présence d un obstacle à éviter Algorithme avec tentacules en forme de clothoïdes, Vitesse du véhicule Algorithme avec tentacules en forme de clothoïdes, valeurs des critères de décision du meilleur tentacule Angles de braquage des algorithmes : (a) arcs de cercles, (b) clothoïdes Schéma de validation des algorithmes sous SCANeR Studio Véhicule expérimental (CARMEN) Exemple de grilles d occupation [Moras, 2013] Schéma descriptif de l évaluation expérimentale hors-ligne Circuit d essai Evaluation des algorithmes utilisant des données réelles, profils de vitesse et trajectoire : (a) Trajectoire, (b) Vitesse ix

20 Table des figures 10.17Capture d une image vidéo de l évaluation hors-ligne (tentacules en forme d arcs de cercles) Image vidéo de l évaluation hors-ligne (tentacules en forme de clothoïdes) Comparaison des angles de braquage : (a) arcs de cercles, (b) clothoïdes Véhicules du projet Robotex et piste Séville x

21 Liste des tableaux 6.1 Coefficient d adhérence µ pour différents types de chaussée Paramètres du modèle bicyclette du véhicule DYNA Tableau récapitulatif de la comparaison des contrôleurs développés xi

22

23 Chapitre 1 Introduction générale Sommaire 1.1 Contexte et motivations Problématique Contexte local de la thèse Contributions Plan du manuscrit Contexte et motivations L automobile est un mode de transport très utilisé. Malgré des avancées majeures dans la conception de véhicules et dans la réalisation d infrastructures, les accidents routiers restent l une des principales causes de mortalité dans le monde (9 ème cause de décès dans le monde en 2004 selon l Organisation Mondiale de la Santé). La sécurité routière est une priorité nationale pour la plupart des gouvernements dans le monde. Les prévisions pour 2030 sont alarmantes car les accidents de la route passeraient à la 5 ème place soit de 2,2 % à 3,6% des décès au niveau mondial [Peden et al., 2009]. La sécurité à bord des véhicules peut se définir à plusieurs niveaux : La sécurité passive est composée de dispositifs ayant pour rôle de minimiser les effets de l accident sans agir directement sur le véhicule. C est dans ce sens que les airbags sont classés dans la catégorie des éléments de la sécurité passive. Comme autres exemples d éléments de sécurité passive, nous pouvons citer les pneumatiques performants, la ceinture de sécurité. La sécurité active regroupe tous les systèmes qui agissent directement sur le comportement du véhicule, souvent pour aider à corriger une des actions du conducteur. Nous pouvons citer l exemple de : l ESP (Electronic Stability Program), l AFU (Assistance au Freinage d Urgence) et l ABS (Anti-lock Braking System). La figure 1.1 donne un récapitulatif des systèmes d aide à la conduite et de sécurité. 1

24 Chapitre 1 Introduction générale Figure 1.1 : Récapitulatif des systèmes d aide à la conduite et de sécurité Les statistiques montrent que plus de 90% des accidents routiers sont dus partiellement ou totalement à une erreur humaine [Gissinger, 2002]. Cette réalité est l une des motivations principales pour le développement de véhicules intelligents permettant de prévoir et de compenser une défaillance du conducteur, du véhicule ou même encore d assurer une conduite autonome. On peut classer les véhicules intelligents en trois catégories [Bishop, 2000] : les véhicules avec systèmes d alerte : De tels systèmes embarqués informent le conducteur sans agir sur le véhicule. Comme exemples, nous pouvons citer les véhicules équipés de systèmes d alerte anti-collision et d Avertissement de Franchissement Involontaire de Ligne (AFIL). les véhicules avec systèmes de correction : Ici le système embarqué agit partiellement et ponctuellement sur le véhicule. Comme exemples, nous pouvons citer l ABS, l ESP ainsi que les systèmes d évitements de collisions. les véhicules autonomes : Un véhicule autonome est un véhicule capable de rouler automatiquement, en toute autonomie dans un trafic réel et sur une infrastructure non spécifique sans l intervention d un être humain dont le rôle est limité à la supervision. Les véhicules autonomes ont de nombreux usages dans la vie quotidienne. Ils peuvent servir à assurer un déplacement sans conducteur, l accomplissement des missions militaires sans risque de perte en vie humaine ou encore aider des handicapés. Ils permettent également d améliorer la sécurité routière par l intégration d applications sécuritaires capables de détecter et de corriger les réactions non appropriées du conducteur ; constituant ainsi une base pour le développement et la validation des systèmes embarqués d aide à la conduite (ADAS). En outre, ils peuvent aider à assurer une réduction d énergie et à améliorer le confort. 2

25 1.2 Problématique Le développement de véhicules autonomes aura de nombreux avantages économiques, sociétaux et environnementaux. Il reste toutefois à relever les nombreux défis scientifiques et technologiques que cela implique. 1.2 Problématique Durant ces dix dernières années, plusieurs challenges à l instar du DARPA Grand Challenge (2004, 2005), du DARPA Urban Challenge (2007), du China challenge (2010), et du Korea challenge (Autonomous Vehicle Competitions 2010, 2012, 2013), ont stimulé la recherche pour la conception des véhicules autonomes. C est un domaine de recherche en pleine expansion. Ainsi plusieurs laboratoires et industriels sont intéressés par le développement d applications de conduite autonome ; voir les références [Wei et al., 2013, Bertozzi et al., 2011] pour citer quelques exemples. La figure 1.2 présente un véhicule autonome de la société Google qui a obtenu en 2011 le premier permis de rouler pour un véhicule autonome, dans l état du Névada aux États-Unis [Smith, 2014]. Par la suite, plusieurs autres états ont autorisé la circulation des véhicules autonomes sur leur territoire : la Floride (2012), la Californie (2012) et le Michigan (2013). Figure 1.2 : Véhicule autonome Google Bien que la circulation des véhicules autonomes nécessite des changements majeurs et mettra certainement du temps à se réaliser, les recherches dans ce domaine constituent un tremplin pour le développement et la validation des systèmes embarqués d aide à la conduite (ADAS). Une conduite autonome requiert trois étapes clés (figure 1.3) : la perception de l environnement et localisation, la planification des trajectoires et le contrôle du véhicule : La perception de l environnement consiste à détecter la chaussée, les voies, les obstacles fixes et mobiles, etc. Le système de vision composé des capteurs tels que, caméra, lidar, radars et GPS, est couramment utilisé pour atteindre cet objectif. 3

26 Chapitre 1 Introduction générale Figure 1.3 : Navigation autonome La perception permet de fournir une carte dynamique de l environnement proche du véhicule. La localisation permet au véhicule de se repérer dans un repère global, ce qui permettrait de définir les itinéraires possibles de navigation pour atteindre l objectif fixé. La génération de trajectoire consiste à calculer une trajectoire de référence, qui évite les obstacles et respecte plusieurs autres critères ; comme le confort, la sécurité des passagers et le code de la route. Le contrôle du véhicule consiste à manœuvrer le véhicule utilisant les actionneurs tels que le volant, le frein et l accélérateur pour suivre la trajectoire de référence. Cette étape peut être subdivisée en deux tâches : le contrôle longitudinal et le contrôle latéral. 1.3 Contexte local de la thèse L un des enjeux majeurs aujourd hui est de garantir une conduite autonome à grande vitesse ; c est-à-dire des vitesses supérieures ou égales à 5m/s = 18km/h, où le comportement dynamique du véhicule ne peut plus être négligé [Rajamani, 2006]. C est dans ce sens que le travail effectué dans cette thèse porte sur la planification des trajectoires et la commande des véhicules autonomes. Ces travaux se situent dans le cadre d un projet très ambitieux lancé par le laboratoire Heudiasyc sur la conduite autonome à grande vitesse, en lien avec les programmes d investissements d avenir : l Equipex Robotex 1 et le Labex MS2T

27 1.4 Contributions «Les équipements d excellence Robotex» est un réseau national de plates-formes expérimentales de robotique. Le laboratoire Heudiasyc coordonne le volet «robotique mobile terrestre et aérien» de Robotex. Cette infrastructure cohérente d équipements techniques à laquelle est associée une expertise scientifique et technologique de haut niveau doit permettre de : favoriser des actions de recherche s appuyant sur des projets collaboratifs entre équipes scientifiques et techniques, laboratoires et entreprises ; faciliter l acquisition et l accès à de gros équipements et à des terrains d expérimentation ; accroître la visibilité de la robotique française et son rayonnement international. Le projet Labex MS2T Maîtrise des Systèmes de Systèmes Technologiques, porté par Heudiasyc en association avec deux autres laboratoires de l Université de Technologie de Compiègne (BMBI UMR 7338, Roberval UMR 7337) et le CNRS, vient répondre à de forts enjeux socio-économiques dans différents domaines en visant un large champ d applications. En effet, le développement des moyens de communication entraîne l interconnexion à grande échelle de systèmes technologiques autonomes pouvant collaborer pour la réalisation de certaines tâches : on parle alors de «systèmes de systèmes technologiques». Par exemple dans le domaine des transports et mobilité, nous pouvons citer les véhicules intelligents ou encore, les systèmes de transports multimodaux. Cette thèse a été réalisée au sein de l UMR CNRS Heudiasyc de l Université de Technologie de Compiègne (UTC) et a été financée par une allocation ministérielle de recherche. 1.4 Contributions Comme mentionné précédemment, ces travaux de recherche se focalisent sur deux étapes clés pour réaliser une conduite autonome : la planification des trajectoires dynamiquement réalisables et le développement de lois de commande robuste qui assurent, en temps réel, le suivi de la trajectoire de référence. Pour y arriver, après une étude bibliographique approfondie, plusieurs contributions ont été proposées Commande des véhicules autonomes En ce qui concerne la commande des véhicules autonomes à grande vitesse, un contrôleur latéral par mode glissant d ordre supérieur a été proposé. Dans [Tagne et al., 2013a], nous avons développé une stratégie de commande utilisant l algorithme du super-twisting pour minimiser le déplacement latéral du véhicule autonome. La particularité d une telle stratégie est de permettre de bénéficier de la robustesse du contrôleur par mode glissant par rapport aux incertitudes paramétriques et aux 5

28 Chapitre 1 Introduction générale perturbations. Son inconvénient est l utilisation d une fonction discontinue dans la commande. Afin d enrichir l approche utilisée et compte tenu de la ressemblance implicite entre le principe de contrôle par mode glissant (SMC) et le principe de la commande par Immersion et Invariance (I&I), un contrôleur basé sur l I&I a été développé dans le but de pallier les inconvénients du SMC. Notamment, le contrôleur I&I a permis une réduction du broutement ou élimination de la discontinuité et une prise en compte plus importante du modèle. Une première version de ce contrôleur a été développée dans [Talj et al., 2013]. Pour l améliorer, une seconde version a été développée [Tagne et al., 2013b] et une comparaison avec le SMC a été faite [Tagne et al., 2014a]. Le développement de ce nouveau contrôleur nous a permis de garantir une stabilité robuste indépendamment du choix des gains positifs du contrôleur. Ce résultat fort de stabilité nous a incité à étudier les propriétés intrinsèques du système. Une étude des propriétés de passivité du système a été réalisée dans [Tagne et al., 2014b]. Nous avons montré que l erreur de lacet est une sortie strictement passive pour une entrée de braquage. De même, la dérivée de l erreur latérale est une sortie passive pour l entrée de braquage ou pour l erreur de lacet. En outre, l erreur d angle de dérive n est pas une sortie passive (à grande vitesse) pour une entrée de braquage. L intérêt de la passivité découle du re-bouclage des systèmes passifs. En effet, Il y-a stabilité interne quand on reboucle une sortie passive avec un contrôleur passif. On peut donc rechercher la passivité comme moyen d imposer une stabilité robuste. Cette démarche est particulièrement pertinente dans les applications de contrôle latéral de véhicules intelligents où le contrôleur doit garantir une stabilité robuste pour une conduite à grande vitesse, ainsi qu une robustesse par rapport aux incertitudes paramétriques et aux perturbations. Par la suite, nous avons développé des contrôleurs robustes basés sur ces propriétés de passivité [Tagne et al., 2014c]. Nous avons montré qu un contrôleur imbriqué de structure PD-PI assurera la stabilité en préservant les propriétés de passivité du système garantissant de bonnes performances Planification des trajectoires des véhicules autonomes Concernant la planification de trajectoires, nous avons effectué un état de l art sur les méthodes de planification de trajectoires. Cette étude bibliographique nous a permis de choisir l approche réactive par génération de tentacules pour assurer notre navigation autonome dans un contexte incertain. Après une étude de la méthode de base [Hundelshausen et al., 2008], nous l avons implantée sous MATLAB. Ensuite nous avons proposé quelques améliorations : 1. l évaluation prioritaire des tentacules lisses ; 2. la génération de tentacules en forme de clothoïdes. 6

29 1.5 Plan du manuscrit Des résultats de simulation montrent que l algorithme donne de bons résultats visà-vis les objectifs attendus d évitement d obstacles et de suivi de trajectoire globale de référence. 1.5 Plan du manuscrit Après une introduction générale et un chapitre sur la modélisation du véhicule, le manuscrit est organisé en deux parties détaillant les contributions résumées cidessus. La première partie composée de cinq chapitres (chapitres 3, 4, 5, 6 et 7) présente les principales contributions sur la commande du véhicule. Le troisième chapitre présente les différentes approches utilisées dans la littérature pour commander le véhicule et dégage les principaux axes de recherche dans ce domaine. Le quatrième chapitre présente le contrôle latéral par mode glissant d ordre supérieur. Compte tenu de la ressemblance implicite entre le mode glissant et le principe de l immersion et l invariance, le cinquième chapitre présente l utilisation de l immersion et l invariance pour améliorer les performances du SMC. Dans le sixième chapitre, nous étudions les propriétés de passivité du système, puis nous développons deux contrôleurs basés sur ces propriétés. Cette partie se termine par le septième chapitre qui présente des résultats de simulation et d évaluation expérimentale. La deuxième partie présente les principales contributions sur la planification des trajectoires et contient trois chapitres (chapitres 8, 9 et 10). Dans le huitième chapitre, une étude bibliographique sur la génération de trajectoires pour la navigation des véhicules autonomes est présentée. Dans le neuvième chapitre, nous présentons les algorithmes de navigation développés durant ces travaux de recherche, ainsi qu une étude de faisabilité de ces stratégies de génération de trajectoires pour une conduite à grande vitesse. Dans le dixième chapitre, nous présentons la validation des algorithmes de planification de trajectoire développés. Nous finissons ce manuscrit en présentant les principales conclusions et perspectives de nos travaux. 7

30

31 Chapitre 2 Modélisation du véhicule Sommaire 2.1 Introduction Modélisation du châssis ou caisse Modélisation de la liaison pneumatique/chaussée Conclusion Introduction Un véhicule automobile est un système non-holonome permettant d assurer le transport des personnes et des biens. Durant ces dernières années, les avancées technologiques ont favorisé l émergence des véhicules intelligents équipés de capteurs, permettant ainsi de prévoir et de compenser une défaillance du conducteur, du véhicule ou de l environnement de conduite. La mise au point de telles applications exige une modélisation suffisamment représentative du véhicule. Modéliser un système, c est entre autres établir les équations différentielles qui caractérisent l évolution de ses paramètres et variables au cours du temps. Pour décrire son comportement, différents modèles sont proposés dans la littérature avec des simplifications plus ou moins importantes, faites selon le besoin de l application embarquée à concevoir. Le modèle approprié dépend des objectifs et de l application qu on envisage réaliser. Dans ce chapitre, nous présenterons les différents modèles de véhicule les plus rencontrés dans la littérature. Nous insisterons principalement sur les modèles les plus utilisés dans les applications de conduite autonome ainsi que ceux utilisés durant ces travaux de recherche. Les travaux de recherche présentés dans ce mémoire se focalisent principalement sur deux étapes clés pour réaliser une conduite autonome : la planification des trajectoires et le développement de lois de commande robustes qui assurent, en temps réel, le suivi de la trajectoire de référence. Pour y arriver, la connaissance d un modèle de véhicule est nécessaire. Cette connaissance nous permettra, entre autre, de : 9

32 Chapitre 2 Modélisation du véhicule choisir les modèles de véhicule et forces de contact pneumatique/chaussée les plus appropriés pour notre application de conduite autonome à grande vitesse (modèle pour l élaboration des lois de commande et/ou pour la validation en simulation) ; générer des trajectoires de formes dynamiquement faisables, tenant compte du caractère non-holonome du véhicule ; connaître et définir les limites dynamiques de stabilité et les conditions de confort des passagers, qui seront prises en compte lors de la génération de trajectoires. Par la suite, des lois de commande évitant tout dérapage ou renversement seront élaborées. Le véhicule (figure 2.1) est un système qui peut être décomposé en deux soussystèmes en interaction : le châssis ou caisse et la liaison pneumatique/chaussée. Nous présenterons dans les paragraphes suivants les principaux modèles de ces deux sous-systèmes. Ces modèles s appuient sur les références [Kiencke and Nielsen, 2005],[Pacejka, 2006], [Dugoff et al., 1970], [Jazar, 2008], [Ackermann et al., 1995], [Rajamani, 2006], [Li and Wang, 2007]. Figure 2.1 : Véhicule avec ses principaux axes [Jazar, 2008] 2.2 Modélisation du châssis ou caisse Modélisation de la dynamique longitudinale et latérale Dans la littérature, il existe plusieurs modèles dont les principaux sont : les modèles bicyclettes, les modèles de type 4 roues. 10

33 2.2 Modélisation du châssis ou caisse Modèles bicyclettes Ce sont les modèles les plus utilisés pour la génération de trajectoire et l élaboration des lois de commande pour le contrôle du véhicule [Rajamani, 2006], [Li and Wang, 2007]. Dans ces modèles, le roulis et le tangage sont négligés. Il est important de noter qu on distingue principalement deux modèles bicyclettes : le modèle bicyclette dynamique et le modèle bicyclette cinématique. Modèle bicyclette dynamique Ce modèle (figure 2.2) est utilisé pour représenter le comportement latéral du véhicule (accélération latérale a y, vitesse de lacet ψ, angle de dérive β), suppose que le véhicule est symétrique, et les angles de dérive sur le même essieu sont égaux (α). Les dynamiques du roulis et du tangage sont négligées et les angles sont supposés être faibles (angle de braquage du pneu δ, angle de dérive β). Figure 2.2 : Modèle bicyclette dynamique Avec un modèle linéaire de forces pneumatiques, on obtient un modèle Linéaire à Paramètre Variant (LPV), la vitesse longitudinale V x étant le paramètre variant. Le modèle LPV, constitué du déplacement latéral et de lacet, est donné par les équations suivantes, [Ackermann et al., 1995], [Rajamani, 2006] : ÿ = µ(c f +C r) mv x ẏ ( µ(l f C f L rc r) mv x + V x ) ψ + µc f δ m ψ = µ(l f C f L rc r) I zv x ẏ µ(l2 C f f +L 2 r Cr) I zv x ψ + µl f C f I z δ (2.1) où y et ψ représentent respectivement la position latérale et l angle de lacet du véhicule ; δ, l angle de braquage au niveau du pneu, V x, la vitesse longitudinale ; β, l angle de dérive au Centre de Gravité (CdG) ; m, la masse du véhicule ; I z, le 11

34 Chapitre 2 Modélisation du véhicule moment d inertie ; L f, la distance essieu avant - CdG ; L r, la distance essieu arrière - CdG ; C f, la rigidité de dérive du pneu avant ; C r, la rigidité de dérive du pneu arrière ; et µ, le coefficient d adhérence de la chaussée. De nos jours, ce modèle bicyclette est de loin le plus utilisé. Il représente de façon assez satisfaisante le comportement latéral du véhicule dans des situations de conduite normale. Modèle bicyclette cinématique A faible vitesse, l hypothèse selon laquelle la vitesse de chaque roue est dans la direction de la roue peut être faite ; i.e. la dérive peut être négligée. On obtient ainsi un modèle purement géométrique (figure 2.3). Figure 2.3 : Modèle bicyclette cinématique Ce modèle est utilisé pour de faibles vitesses (<5m/s) [Rajamani, 2006] et est donné par les équations : ψ = Vx L tan(δ) ẋ = V x cos(ψ) ẏ = V x sin(ψ) (2.2) Il est important de souligner que bien que les aspects dynamiques soient négligés dans ce modèle, l hypothèse d angles faibles n est pas faite. Outre sa simplicité, ceci explique en partie l utilisation de ce modèle pour des applications à faibles vitesses, généralement avec des grands braquages (manœuvres de parking, gestion des intersections). Par exemple, Stanley, le véhicule autonome qui avait remporté le DARPA Grand Challenge (2005) utilisa ce modèle pour la conception du contrôleur latéral [Thrun et al., 2006]. 12

35 2.2 Modélisation du châssis ou caisse Modèles de type 4-roues Lors de sollicitation du véhicule dans des zones de comportement non linéaire, les modèles bicyclettes ne sont plus suffisants pour modéliser le comportement dynamique du véhicule. Les modèles de type 4-roues sont plus représentatifs pour de fortes sollicitations mais sont peu utilisés lors de la conception des applications automobiles embarquées à cause de leur complexité. En revanche, ils sont largement utilisés pour simuler le comportement du véhicule lors de la validation d algorithmes embarqués. La figure 2.4 présente le modèle 4-roues. Les équations des différentes dynamiques Figure 2.4 : Modèle 4-roues (longitudinale V x, latérale V y, de lacet ψ et de roulis φ v ) du modèle 4-roues utilisé 13

36 Chapitre 2 Modélisation du véhicule dans ces travaux de recherche sont données par : où, V x = ψv y m ( F xij F aero + m s h ψφ v ) i=1 j=1 V y = ψv x m ( F yij + F bank m s hψ φ v ) i=1 j=1 ψ = 1 4 ( M zi + I xz φv ) I z i=1 (2.3) φ v = 1 4 ( M xi m s h(ÿ + I x ) + I xz ψ) xx i=1 a x = V x V y ψ a y = V y + V x ψ 2 i=1,j=1 2 i=1,j=1 4 F xij = (F y11 + F y12 ) sin δ + (F x11 + F x12 ) cos δ + F x21 + F x22, F yij = (F y11 + F y12 ) cos δ + (F x11 + F x12 ) sin δ + F y21 + F y22, ) M zi = L f ((F y11 + F y12 ) cos δ + (F x11 + F x12 ) sin δ L r (F y21 + F y22 ) i=1 + E ) ((F y11 F y12 ) sin δ + (F x12 F x11 ) cos δ + F x22 F x21, 2 4 M xi = [m s gh (K φf + K φr )] φ v (C φf + C φr ) φ v, (2.4) i=1 F aero = 1 2 ρ asc x V 2 x, F bank = mg sin(φ r ). avec V x, V y, les vitesses longitudinale et latérale ; F xij, F yij, les forces longitudinales et latérales des pneus où i = 1, 2 pour avant/arrière et j = 1, 2 pour gauche/droite respectivement ; I xx, le moment d inertie de la masse suspendue du véhicule par rapport à l axe de roulis ; I xz, le moment d inertie roulis/lacet ; E, l empattement du véhicule (longueur de l essieu) ; g, la constante gravitationnelle ; h, la hauteur du centre de gravité ; m s, la masse suspendue ; φ v, l angle de roulis ; K φf, K φr, les coefficients de frottement roulis avant et arrière ; C φf, C φr, la rigidité du roulis avant et arrière ; φ r, l angle de dévers de la route ; C x, le coefficient de traînée aérodynamique ; S, la surface frontale du véhicule ; et ρ a, la masse volumique de l air. 14

37 2.2 Modélisation du châssis ou caisse L angle de dérive de chaque pneumatique α ij est donné par [Kiencke and Nielsen, 2005] : ( ) Vy + L f ψ α 11 = δ arctan V x E ψ, 2 ( ) Vy + L f ψ α 12 = δ arctan V x + E ψ, 2 ( ) Vy L r ψ α 21 = arctan V x E ψ, (2.5) 2 ( ) Vy L r ψ α 22 = arctan V x + E ψ. 2 Le glissement longitudinal est défini comme suit : σ xij = R eff ω V ωx R eff ω R eff ω V ωx V ωx durant l accélération, durant le freinage. (2.6) avec V ωx, la vitesse longitudinale réelle de l axe de la roue. R eff ω la vitesse linéaire équivalente du pneumatique, où ω est la vitesse de rotation de la roue et R eff le rayon effectif du pneumatique. Les angles de dérive (2.5), les glissements longitudinaux (2.6) ainsi que les charges verticales seront utilisés par le modèle de forces de contact pneumatique/chaussée (voir section 2.3 ) pour déterminer les efforts F xij et F yij de l équation (2.3). Il est important de souligner qu il existe des modèles 4-roues plans, où le roulis et le tangage sont négligés (ex. [Rabhi, 2004]), Modélisation de la dynamique verticale La détermination de la répartition non homogène de la masse totale du véhicule sur chaque pneumatique est une étape importante pour analyser le comportement dynamique du véhicule en virage. En effet, la charge appliquée sur chaque pneumatique détermine les forces maximales disponibles en longitudinal et en latéral. La figure 2.5 présente cette répartition. Dans la littérature, plusieurs modèles permettent d analyser le comportement vertical du véhicule : les modèles «quart de véhicule», les modèles «demi véhicule», les modèles à quatre roues. 15

38 Chapitre 2 Modélisation du véhicule (a) (b) Figure 2.5 : Répartition des forces verticales : (a) Vue de profil, (b) Vue arrière [Jazar, 2008] Les efforts verticaux dépendent de la masse du véhicule et de sa répartition, des caractéristiques de la chaussée (pente, dévers), des accélérations, du roulis, etc. Les modèles à quatre roues ou modèles complets prennent en compte le mouvement vertical, le tangage et le roulis ainsi que leur couplage. Dans les travaux de recherche présentés dans ce rapport, les forces verticales du modèle quatre roues développé pour les simulations sont calculées par les équations [Kiencke and Nielsen, 2005] : F z11 = F z12 = F z21 = F z22 = 1 Lr m( g h a 2 L L x) m( Lr g h a L L x) h a Eg y 1 Lr m( g h a 2 L L x) + m( Lr g h a L L x) h a Eg y 1 2 m( L f L g + h L a x) m( L f L g + h L a x) h Eg a y 1 2 m( L f L g + h L a x) + m( L f L g + h L a x) h Eg a y (2.7) où l angle de carrossage et la dynamique de suspension sont négligés. 2.3 Modélisation de la liaison pneumatique/chaussée Description du pneumatique Un pneumatique (figure 2.6) est un toroïde viscoélastique. Il est la seule interface entre le véhicule et la chaussée. Il permet principalement de supporter la charge verticale du véhicule (F z ), de développer les forces longitudinales en cas d accélération ou freinage (F x ), et de développer les forces latérales dans un virage (F y ). Le modèle des forces de contact pneumatique/chaussée a un impact important sur les performances des modèles de véhicule. Le choix de ce modèle est donc une étape importante dans la modélisation de la dynamique d un véhicule. La modélisation du 16

39 2.3 Modélisation de la liaison pneumatique/chaussée z γ F z Plan du pneumatique M z α F y y Plan du sol M y v M x F x Figure 2.6 : Pneumatique [Jazar, 2008] x contact pneu/chaussée revient à déterminer la relation liant les forces de contact au le glissement longitudinal σ x et à l angle de dérive α. Cette relation, complexe, est donnée par la figure 2.7. Les résultats expérimentaux [Lechner, 2002], [Pacejka, 2006] montrent que la force longitudinale du pneumatique F x est proportionnelle aux faibles valeurs du glissement longitudinal σ x, et que la force latérale F y est proportionnelle aux faibles valeurs de l angle de dérive α, comme le montre la figure 2.7. Chaque pneumatique du véhicule a des faibles valeurs de α et σ x dans les conditions de conduite normales. Au-delà d un certain seuil, le pneumatique entre dans la zone de saturation, et les relations liant les forces avec α et σ x ne sont plus linéaires Modèles des forces de contact La modélisation des forces du contact pneumatique/chaussée est assez complexe. De très nombreux modèles existent dans la littérature, nous pouvons citer : le modèle linéaire, le modèle exponentiel [Burckhardt, 1993], [Kiencke and Nielsen, 2005], les modèles physiques de forces (Brush, LuGre [Canudas de Wit, 1995], [Canudas de Wit, 2003]), le modèle de Dugoff [Dugoff et al., 1970] et le modèle de Pacejka [Pacejka, 2006]. Dans ce manuscrit seront présentés : le modèle linéaire, le modèle de Dugoff [Dugoff et al., 1970] et le modèle de Pacejka [Pacejka, 2006]. 17